Cómo se usa
- Elija el PDF escaneado con Elegir un archivo. Su número de páginas aparece debajo del nombre.
- Deje Páginas vacío para las primeras 20 páginas, o escriba páginas como 1-3, 8. Como máximo se leen 20 páginas en cada ejecución.
- Elija el Idioma del texto y pulse Leer el texto. Cada página aparece bajo su propio encabezado a medida que se lee; Cancelar detiene la ejecución en cualquier momento.
- Compruebe con el escaneo cualquier página marcada como dudosa, y después pulse Copiar, o Descargar para guardar un archivo .txt.
Cómo se leen las páginas
Cada página se dibuja a partir del PDF a 300 dpi, y una página muy grande se dibuja más pequeña para mantenerla dentro de la memoria del navegador. La imagen la lee Tesseract, el motor de OCR de código abierto, que se ejecuta en un worker web para que la página siga respondiendo. El motor encuentra las líneas de texto y después lee cada carácter con una red neuronal entrenada con texto impreso en el idioma elegido. Los archivos de idioma son los modelos rápidos de tessdata_fast.
Qué hace que un escaneo se lea bien
Un texto recto, nítido y oscuro sobre una página lisa se lee mejor, con un escaneo de 200 dpi o más. Una página torcida, pálida o con sombras se lee peor, y también la letra muy pequeña, como las notas al pie. La letra manuscrita y las tipografías decorativas no se leen de forma fiable, porque el motor está hecho para texto impreso. Una página sin texto, como una página en blanco o un dibujo, se indica como sin texto.
Los límites de una ejecución
Una ejecución lee como máximo 20 páginas. El motor puede tardar 2 minutos en arrancar y 1 minuto por página; una ejecución que tarde más se detiene, y las páginas que ya leyó se quedan en el cuadro. La confianza que da el motor a cada página es su propia estimación para sus palabras, así que una página por debajo de 60 se marca para revisar. Es una guía, no una prueba de que cada palabra sea correcta. Un PDF que ya tiene texto no necesita OCR: PDF a texto lee ese texto tal como está guardado.
Su archivo se queda en su dispositivo
El PDF lo abre y lo dibuja en su navegador pdf.js, una biblioteca de código abierto, y el motor lee las imágenes en un worker. No se sube nada, y no se guarda nada en su navegador ni en nuestro servidor. El cuadro de texto se vacía de nuevo al salir de la página.
Ejemplo: una carta escaneada de 3 páginas
Una carta de 3 páginas escaneada como imágenes no tiene texto que pueda leer PDF a texto. Elija el archivo aquí y deje Páginas vacío: se leen las tres páginas, y el cuadro muestra --- Página 1 ---, después el texto de la página 1, luego --- Página 2 --- y así sucesivamente.
Para leer solo la segunda y la tercera página, escriba 2-3 en Páginas. Esas dos páginas salen bajo sus propios encabezados, y la ejecución es más corta.
Preguntas frecuentes
¿Por qué una palabra sale con una letra equivocada?
El motor lee la forma de cada letra, así que una línea pequeña, pálida, borrosa o inclinada puede salir con una letra cambiada. Compare la página con el escaneo. Si muchas palabras salen mal, vuelva a escanear la página más recta y con más resolución.
¿Cuántas páginas puedo leer a la vez?
Como máximo 20 páginas en una ejecución. Para un archivo más largo, léalo por partes: después de la primera ejecución, escriba 21-40 en Páginas, o divida antes el archivo con Dividir PDF.
¿Qué pasa cuando una ejecución se detiene pronto?
Una ejecución se detiene al llegar a su límite de tiempo, cuando pulsa Cancelar, o cuando el motor falla. Las páginas ya leídas se quedan en el cuadro bajo sus encabezados, y el mensaje indica cuántas de las páginas se leyeron.
¿Puede leer un PDF que ya tiene texto?
Trabaja con las imágenes de las páginas, así que va bien con un escaneo. Un PDF que ya tiene texto se lee con más exactitud con PDF a texto, que toma el texto guardado tal como está.
¿Se sube o se guarda mi PDF escaneado?
No. El PDF se lee en su navegador y nunca se sube. No se guarda nada en su navegador ni en nuestro servidor, y el texto desaparece al salir de la página.
¿Por qué una página aparece marcada para revisar?
El motor da a cada página una confianza media para las palabras que leyó. Una página por debajo de 60 indica que el lector no estaba seguro de muchas palabras. Una cifra alta es buena señal, pero no demuestra que cada palabra sea correcta.
Fuentes
- Tesseract OCR (en inglés): el motor de código abierto detrás de la lectura (licencia Apache 2.0)
- tesseract.js (en inglés): la biblioteca de JavaScript que ejecuta el motor en un worker (licencia Apache 2.0)
- tessdata_fast (en inglés): los modelos de idioma rápidos usados aquí (licencia Apache 2.0)
- pdf.js (en inglés): la biblioteca de código abierto que dibuja las páginas (licencia Apache 2.0)
Cifras y texto revisados por última vez el miércoles, 11 de noviembre de 2026.